Как внедрить ИИ в компанию: пошаговый план

Чтобы внедрить ИИ в компанию, начните с 2–3 процессов, на которые уходят часы ручной работы, а выбор нейросети отложите. Дальше путь одинаковый почти для любого бизнеса: аудит процессов, пилот на одном из них с замером «до» и «после», ИИ-агенты и интеграции с вашими системами, обучение сотрудников и докрутка по метрикам. Ниже разберём, как внедрить ИИ по шагам, сколько времени закладывать на каждый этап и как понять, готова ли к этому компания.

По исследованию «Яков и Партнёры» и Яндекса, генеративный ИИ уже используют 71% крупных российских компаний, и почти 80% получают от него финансовый эффект («Российская газета»). У американского исследования MIT NANDA картина другая: около 95% корпоративных пилотов почти не влияют на прибыль и убытки (Fortune). По оценке авторов, причина в том, что инструменты не встроены в рабочие процессы, с качеством моделей это не связано. Пошаговый план нужен, чтобы ИИ работал внутри процесса, а результат было видно в цифрах.

С чего начать внедрение ИИ: 2–3 процесса, а не «ИИ везде»

Самая частая ошибка на старте — решение «внедряем ИИ во всей компании». Под такую задачу нельзя написать ТЗ или посчитать бюджет, а по итогам непонятно, получилось ли. Работает обратный подход: выбрать несколько процессов, где эффект можно посчитать в часах и рублях, и начать с одного.

Хороший первый процесс обычно узнаётся по пяти признакам.

Признак	Почему это важно	Пример
Повторяется каждый день или неделю	Эффект копится быстро	Утренняя сводка продаж, разбор входящих заявок
Человек читает, сверяет и переносит	Это ИИ делает лучше всего	Разнесение платежей по статьям, проверка звонков по скрипту
Данные уже лежат в системах	Не нужно сначала наводить порядок	1С, Битрикс24, amoCRM, кабинеты Wildberries и Ozon
Ошибку легко заметить и исправить	Можно запускать без долгих согласований	Черновик ответа на отзыв, черновик КП
Есть понятная метрика	Видно, сработало или нет	Часы в неделю, время ответа клиенту, доля пропущенных заявок

Плохой первый процесс — тот, где решения редкие и дорогие, данные разбросаны по личным файлам, а результат никто не меряет. Стратегию компании ИИ за вас не напишет, но соберёт данные, на которых вы её примете.

Как использовать ИИ в бизнесе: примеры по отделам

Если пока непонятно, где искать такие процессы, посмотрите на то, что отделы делают руками каждый день.

Отдел	Что можно отдать ИИ	С какими системами работает
Собственник	Утренняя сводка по главным цифрам, ответы «что просело и почему», протоколы встреч	Telegram, Google Таблицы, Битрикс24
Продажи	Расшифровка и оценка звонков по скрипту, заполнение карточки сделки после звонка, черновики КП	Битрикс24, amoCRM, Mango Office, UIS
Финансы	Разнесение платежей по статьям, платёжный календарь, сверки	1С, Т-Банк Бизнес, Сбер Бизнес, ПланФакт
Маркетинг	Отчёт по каналам со стоимостью лида, тексты и креативы, разбор кампаний	Яндекс Директ, Яндекс Метрика, VK Реклама
Закупки и склад	Прогноз спроса, контроль остатков, черновик заказа поставщику	МойСклад, 1С: УТ, Google Таблицы
HR	Отбор откликов по требованиям вакансии, выжимка по кандидату	hh.ru, Хантфлоу

Внедрять всё из этой таблицы не нужно: на аудите из неё выбирают 2–3 строки с самым понятным эффектом.

Как внедрить ИИ в компанию: пять этапов

Этапы внедрения ИИ повторяются в любой компании, от магазина на маркетплейсах до производства. Меняется масштаб: в небольшой фирме аудит занимает несколько интервью, в крупной идёт по отделам.

1. Аудит и карта процессов. Находим, куда уходит время, и оцениваем идеи по эффекту и сложности.
2. Пилот на одном процессе. Проверяем идею на реальных данных и замеряем результат.
3. Агенты и интеграции. Подключаем ИИ к системам компании, чтобы он работал сам.
4. Обучение людей. Настраиваем рабочие места и учим сотрудников отдавать задачи ИИ.
5. Масштабирование и докрутка. Переносим подход на другие отделы и раз в месяц разбираем метрики.

Шаг 1. Аудит и карта процессов

Аудит отвечает на три вопроса: где ИИ окупится, где тратить деньги не стоит и с чего начать. Без этих ответов план внедрения ИИ превращается в список модных инструментов.

Начинают с собственника или генерального директора. Какие цели у компании, где он сам теряет время, каких цифр ему не хватает для решений. Потом идут к руководителям отделов и ключевым сотрудникам и разбирают, что они делают каждый день. Параллельно смотрят системы: 1С, CRM, таблицы, телефонию, кабинеты маркетплейсов. Доступ на этом этапе нужен только на чтение, можно работать и на выгрузках.

По каждому процессу записывают:

• кто его выполняет и сколько часов в неделю уходит;
• какие системы и данные участвуют;
• где возникают ошибки и задержки;
• что можно отдать ИИ, а что оставить человеку;
• по какой метрике будем мерить результат.

На выходе получается карта процессов и список идей. У каждой идеи есть оценка эффекта в часах и рублях и оценка сложности: сколько систем подключать, насколько запутанная логика, чем грозит ошибка ИИ. Если процессы в компании нигде не записаны, начните с описания. Как это сделать своими силами, мы разобрали в статье об описании бизнес-процессов.

Как выбрать процесс для пилота

Разложите идеи по двум осям: эффект и сложность. Первым берите процесс с высоким эффектом и низкой сложностью.

Пример, цифры условные. Десять менеджеров тратят по 5 часов в неделю на заполнение карточек сделок после звонков. Записи звонков уже есть в телефонии, карточки — в CRM. Это около 200 часов в месяц, и задача решается одной связкой телефонии с CRM. Такой процесс выигрывает у амбициозного «ИИ-прогноза спроса», для которого сначала придётся месяцами чистить данные.

Что входит в разбор и какие документы остаются у вас на руках, описано на странице аудита бизнес-процессов.

Шаг 2. Пилот на одном процессе

Пилот проверяет идею на реальных данных и отвечает на один вопрос: даёт ли ИИ в этом процессе тот эффект, который посчитали на аудите.

Чтобы пилот дал ответ, до старта зафиксируйте три вещи.

Метрику и замер «до». Сколько часов процесс занимает сейчас, сколько в нём ошибок, как быстро клиент получает ответ. Без замера «до» через месяц останутся только впечатления. Как поставить замер, разобрано в статье о том, как посчитать эффективность внедрения ИИ.

Границы. Что именно делает ИИ, а что остаётся человеку. Например, агент расшифровывает звонок и заполняет поля в CRM, а менеджер проверяет и подтверждает.

Критерий успеха. Какой результат считаем достаточным, чтобы масштабировать. Например: агент правильно заполняет 9 карточек из 10, а менеджер тратит на проверку меньше минуты.

Начинайте с прототипа. Агент решает задачу на нескольких реальных примерах, и вы видите результат до полной разработки. Если прототип не справляется, вы теряете неделю вместо квартала полной разработки.

Отдельно проверьте, как пилот встраивается в работу людей. По тому же исследованию MIT, решения, купленные у специализированных подрядчиков, доходили до результата примерно в двух случаях из трёх, а собственные разработки компаний втрое реже (Fortune). Квалификация программистов тут ни при чём: подрядчик, который делал похожие проекты, заранее знает, где процесс сломается.

Шаг 3. ИИ-агенты и интеграции

Пока модель не подключена к вашим системам, она отвечает общими словами. Сотрудник копирует данные в чат, получает ответ и переносит его обратно. Это помогает, но процесс по-прежнему держится на человеке.

Следующий уровень — ИИ-агент. Это программа на основе языковой модели, которая сама берёт данные из 1С, CRM, таблиц и кабинетов, выполняет задачу по расписанию или по событию и присылает результат. Например, каждое утро собирает сводку по продажам и деньгам на счетах или после каждого звонка заполняет карточку сделки.

Подключение идёт через официальные API, MCP-серверы или регулярные выгрузки, смотря что позволяет система. Менять программы, к которым привыкла команда, не нужно. Так ИИ встраивают в бизнес-процессы, и у сотрудников не появляется ещё одно окно, в котором нужно работать.

Как внедрить ИИ в 1С, CRM и телефонию

Чаще всего первые агенты появляются на стыке систем, где сейчас человек переносит данные руками.

• Телефония и CRM. Агент берёт запись звонка, расшифровывает её, оценивает по скрипту и заполняет карточку сделки в Битрикс24 или amoCRM. РОП утром получает список лидов, которым никто не перезвонил.
• 1С и банки. Агент разносит платежи из выписки по статьям, спорные отдаёт бухгалтеру и отвечает собственнику на вопрос «хватит ли денег на закупку в конце месяца».
• Кабинеты маркетплейсов и таблицы. Агент следит за остатками, предупреждает о нехватке заранее и готовит черновик заказа поставщику.

Во всех трёх случаях агент сначала только читает данные и готовит результат для человека. Запись в систему включают, когда на пилоте стало видно, что он не ошибается.

Какую модель выбрать

Для большинства задач подходят Claude, GPT или Gemini. Если данные нельзя выносить за пределы компании, берут GigaChat, YandexGPT или локальную модель на собственном сервере. Модель подбирают под задачу: где-то важнее качество текста, где-то скорость и цена. Сколько стоят разработка, интеграции и токены, мы посчитали в статье о стоимости внедрения ИИ.

Данные и доступы

Три вопроса стоит решить до начала разработки.

• Что можно отдавать модели. Сведения о клиентах и сотрудниках защищает 152-ФЗ «О персональных данных». Заранее решите, что обезличиваете, а что остаётся внутри компании.
• Права. По умолчанию агент только читает данные. Запись в системы включают там, где она действительно нужна, и после проверки на пилоте.
• Ключи. Токены и доступы к сервисам должны принадлежать компании, а не подрядчику или отдельному сотруднику. Люди пользуются интеграцией, но ключей не видят.

Шаг 4. Обучение людей

Можно сделать отличного агента, которым никто не пользуется. Поэтому обучение выделяют в отдельный этап: одного показа на планёрке мало.

Лучше всего обучение идёт на собственных задачах сотрудника. Человеку ставят инструмент, подключают программы, с которыми он работает, и прямо на созвоне закрывают 2–3 его реальные задачи. Мы для этого используем Claude Code и Codex. Помимо переписки в чате, они работают с файлами, программами и сервисами компании.

Чтобы удачный опыт не оставался у одного человека, его упаковывают в навыки: инструкции и шаблоны под роль. Тогда ИИ выполняет задачу одинаково, кто бы из сотрудников её ни запустил. Начинать удобно с руководителей и 2–3 ключевых сотрудников. Они быстрее видят пользу и потом сами решают, каким отделам это нужно в первую очередь. Как устроен такой формат, рассказываем на странице обучения сотрудников работе с ИИ.

Шаг 5. Масштабирование и докрутка по метрикам

Когда пилот подтвердил эффект, переносите подход на следующие процессы по дорожной карте. Порядок тот же: метрика «до», прототип, запуск, замер «после».

Докрутка — постоянная работа. Процессы меняются, появляются новые товары и правила, обновляются модели и API сервисов. Раз в месяц полезно разбирать метрики: где агент экономит время, где ошибается, что добавить. Без этого через полгода агент работает по устаревшим правилам, а сотрудники снова делают часть работы руками.

План внедрения ИИ на первые три месяца

Ниже ориентир для компании, которая начинает с одного-двух процессов. Это не норматив: реальные сроки зависят от числа отделов и систем и от того, насколько процессы уже описаны.

Период	Что делаем	Результат
Недели 1–3	Интервью, доступы к данным, разбор процессов	Карта процессов и список идей с оценкой эффекта
Недели 3–4	Выбор 1–2 процессов, замер «до», короткое ТЗ	План пилота с метрикой и критерием успеха
Месяц 2	Прототип, затем агент с интеграциями, работа параллельно с человеком	Работающий агент и первые замеры «после»
Месяцы 2–3	Обучение ключевых сотрудников, навыки под роли	Команда пользуется инструментами сама
Месяц 3	Разбор метрик, решение о масштабировании	Следующие процессы в дорожной карте

В этом плане внедрения искусственного интеллекта даты важны меньше, чем порядок: каждый следующий шаг начинается, когда предыдущий дал измеримый результат.

Кто внедряет: своя команда или подрядчик

Внедрить ИИ в организации можно тремя способами, и у каждого своя цена ошибки.

Вариант	Когда подходит	Риск
Своими силами	Есть ИТ-отдел с опытом интеграций и время на эксперименты	Долгий поиск рабочих подходов, результат зависит от одного энтузиаста
Подрядчик под ключ	Нужно быстро получить работающее решение и замер эффекта	Зависимость от подрядчика, если ключи и документация остались у него
Смешанный	Подрядчик делает аудит, сложные интеграции и первых агентов, своя команда подхватывает	Нужно заранее договориться, кто что поддерживает

В любом варианте оставьте у себя три вещи: карту процессов, ключи доступа и описание того, как устроен каждый агент. Тогда вы сможете сменить подрядчика или передать поддержку своей команде без потерь.

Типичные ошибки при внедрении ИИ

Начать с инструмента. Купить подписки всем сотрудникам и ждать, что они разберутся сами. Через месяц каждый пользуется ИИ по-своему, удачные промпты остаются у тех, кто их придумал, а собственник не знает, что это дало.

Взять самый сложный процесс. Прогноз спроса, ценообразование и автоматические скидки звучат впечатляюще, но требуют чистых данных и долгой проверки. Первый проект должен окупиться быстро и показать команде, что это работает.

Не замерить «до». Без исходных цифр разговор о пользе ИИ превращается в спор мнений.

Автоматизировать хаос. Если процесс не описан и каждый делает его по-своему, ИИ повторит этот хаос, только быстрее. Сначала договоритесь о правилах, потом отдавайте их агенту.

Сразу дать доступ на запись. Ошибка агента в отчёте неприятна. Ошибка агента, который сам проводит платежи или меняет цены, стоит денег.

Не назначить ответственного. У каждого процесса с ИИ нужен владелец со стороны компании. Он принимает результат, собирает замечания и решает, что делать дальше.

Считать агента разовой покупкой. Поменялась форма отчёта в 1С, API маркетплейса или регламент отдела — агента нужно поправить. Закладывайте поддержку в бюджет с самого начала.

Чек-лист готовности компании к внедрению ИИ

Пройдитесь по списку и честно ответьте «да» или «нет» на каждый пункт.

Цели и люди

• Собственник или генеральный директор готов выделить время на стартовое интервью и разбор итогов.
• Есть 2–3 процесса, на которые, по ощущениям, уходит много ручной работы.
• Понятно, кто со стороны компании отвечает за пилот.
• Руководители отделов готовы показать, как устроена работа, и выделить 1–2 сотрудников для интервью.

Данные и системы

• Основные данные лежат в системах (1С, CRM, таблицы, кабинеты), а не в личных файлах и головах.
• Можно выдать доступ на чтение или регулярно делать выгрузки.
• Известно, где лежат персональные данные и коммерческая тайна.
• Ключи и доступы к сервисам оформлены на компанию.

Процессы и метрики

• Хотя бы для одного процесса можно назвать, сколько часов в неделю он занимает.
• Есть метрика, по которой будет виден результат: часы, деньги, скорость или ошибки.
• Процесс описан хотя бы в общих чертах, или вы готовы описать его на аудите.

Бюджет и ожидания

• Готовы начать с пилота на одном процессе, а не со всей компании сразу.
• В бюджете есть деньги на разработку, модели и поддержку.
• Команда понимает, что ИИ забирает рутину, а решения остаются за людьми.

Как читать результат. 12–14 ответов «да» — можно сразу переходить к аудиту и пилоту. От 8 до 11 — начинайте с аудита, он закроет пробелы в процессах и данных. Меньше 8 — сначала опишите ключевые процессы и назначьте ответственного, иначе пилот будет буксовать.

Итог

Как внедрить ИИ в бизнес без лишних затрат? Короткими проверяемыми шагами: процесс, метрика, пилот, агент, обучение, докрутка. Эффект виден в цифрах уже после первого процесса, и куда двигаться дальше, вы решаете по замерам.

Чтобы понять, с каких процессов начать именно вам, закажите аудит процессов. Мы разберём компанию по отделам, оценим идеи в часах и рублях и соберём план с бюджетом, сроками и метриками. Все направления, от аудита до обучения, собраны на странице внедрения ИИ в бизнес под ключ. Или напишите нам, обсудим вашу задачу на вводном созвоне.

Источники

• 70% российских компаний внедрили генеративный ИИ в свои бизнес-процессы — «Российская газета», 8 декабря 2025, по исследованию «Яков и Партнёры» и Яндекса «Искусственный интеллект в России — 2025».
• MIT report: 95% of generative AI pilots at companies are failing — Fortune, 18 августа 2025, по исследованию MIT NANDA «The GenAI Divide: State of AI in Business 2025».
• Федеральный закон от 27.07.2006 № 152-ФЗ «О персональных данных» — КонсультантПлюс.